一个人一生只需要学习两个学科：语言与科学。

Howie和小能熊2024年09月16日约 3 分钟

今日的o1思考

语言/大语文学科的教育目标，是像训练 gpt 模型那样，积累世界知识，把大脑训练成一个大语言模型；

科学/STEM 学科的教育目标，是像训练 o1 模型那样，训练逻辑推理能力，把大脑训练成一个 o1 推理引擎。

效法 gpt，方法是 海量阅读，预测下一个词。这个过程的核心是识别和提取文本中的内在模式，积累清晰准确有效可费曼的概念量，构建心理模型，理解 big idea 和第一性原理，构建出丰富全面强大的个人知识体系；

效法 o1，方法是强化学习，用 polya 解题四步法在解决问题的训练中培养出逻辑推理、思路清晰执行有素地解决问题的逻辑素养。这个逻辑推理能力包括形式逻辑，也包括非形式逻辑，是一切大科学领域学科的底层素养。

为什么gpt 和 o1 这样的技术会出现在现在？数据、算力和算法三要素都齐备了，在几项技术创新的组合下，llm才有机会出现，人类才有机会创造出这种级别的人工智能。

稍微延展一下，人类的学习何尝不是处于历史上最好的时期呢？

论数据要素，互联网、搜索引擎、Wikipedia、z-library、sci-hub，任何一个人在这个时代都可以几乎无成本获得历史上人类无法想象的高质量信息；

论算力要素，gpt 作为 exo-cortex（体外新皮质），logseq 等私人 Wiki、知识管理系统，都是人脑的增强器，极大提升了大脑加工处理和整合信息的速度和质量，任何一个人在这个时代可以获得历史上人类无法想象的脑力；

论算法要素，llm 是模仿人脑运作机制，而人类学习的科学原理，不论是在认知层面，还是生物学基础层面（脑和神经），还是情感和社会层面，都无比清楚了。小能熊也一直在做这方面的布道和推动。

一句话总结：如果一个人在当下还不能通过学习实现大脑中蕴藏的宇宙级潜力，不能通过学习实现自己的想法和目标，那就可能永远做不到了。

熊友提出了一个很好的问题，可以用来证明了一个结论：

如果 o1 模型收费 1 块钱给你解答问题你看不懂学不会仍然没法根据解题思路来自己琢磨如何解题如何学会解题，那么你花 1000 块钱一小时找人类来教培也是白瞎。

两题、三问，都是“12球问题”。大家看看o1的解题是否对你思考和学习这个问题有启发？

第一问过于简单，o1模型只思考了1秒，连思维链总结都没有生成。说明，这道题o1模型是做过的🤣。

第二道题是对原始问题的扩展，o1模型得举一反三，根据过去的解题经验来思考解题了。o1思考了5秒，解题步骤大概分四步。

这一问是证明题，但是和上面的解答题是一个思路，考察的都是逻辑推理。

这道“数学谜题”，很有趣，也很有思考价值。但是因为它很经典，所以llm训练集里几乎肯定包含了。

我问了gpt-4o，前两问都可以回答，但是第三问证明题有难度。gpt-4o的回答似乎有“生成”的味道了。贴上来，大家自己来对比分析。

欢迎推荐数学和逻辑谜题。